Modul CS5460-KP06

Dauer

1 Semester

Angebotsturnus

Jedes Wintersemester

Leistungspunkte

6

Studiengang, Fachgebiet und Fachsemester:

• Master Medizinische Informatik 2019, Vertiefungsmodul, Medizinische Informatik, 1. oder 2. Fachsemester

Lehrveranstaltungen:

• CS5460-P: Analyse von Hochdurchsatzdaten (Praktikum, 1 SWS)
• CS5460-Ü: Analyse von Hochdurchsatzdaten (Übung, 2 SWS)
• CS5460-V: Analyse von Hochdurchsatzdaten (Vorlesung, 2 SWS)

Workload:

• 30 Stunden Eigenständige Projektarbeit
• 75 Stunden Präsenzstudium
• 55 Stunden Selbststudium
• 20 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Methodische und statistische Grundlagen von Hochdurchsatzsequenzierung
• Sequenziermethoden: RNA-seq, ChIP-seq, Whole Genome Sequencing, Whole Exome Sequencing
• Datenqualität beurteilen
• Öffentliche Datenbanken zur Annotation und Analyse nutzen
• Analysemethoden zur personalisierten Medizin

Qualifikationsziele/Kompetenzen:

• Die Studierenden können Hochdurchsatzsequenzierung von traditioneller Sanger Sequenzierung abgrenzen.
• Die Studierenden können die wichtigsten Entwicklungen wiedergeben (zeitliche Einordnung).
• Die Studierenden können Verfahren zur Hochdurchsatzdatensequenzierung inhaltlich beschreiben, sowie Unterschiede zwischen den Methoden aufzeigen.
• Die Studierenden haben Methodenkompetenz erworben, d.h. sie sind in der Lage Hochdurchsatzdaten auszuwerten und biologisch zu annotieren und einzuordnen. Dazu gehört, Methoden oder Software zu benennen, um spezifische Datensätze zu analysieren und zu modellieren.
• Die Studierenden können Hochdurchsatzdaten aus öffentlichen Datenbank nutzen und ihre eigenen Projekte integrieren.
• Die Studierenden können Hochdurchsatzdaten für personalisierte Patientendiagnose in einem Praktikum eigenständig analysieren und integrieren.

Vergabe von Leistungspunkten und Benotung durch:

• Klausur oder mündliche Prüfung nach Maßgabe des Dozenten

Modulverantwortliche:

• Prof. Dr. Hauke Busch

Lehrende:

• Lübecker Institut für Experimentelle Dermatologie (LIED)
• Prof. Dr. Hauke Busch
• Dr. rer. nat. Anke Fähnrich
• Dr. Axel Künstner

Literatur:

• Wing-Kin Sung : Algorithms for Next-Generation Sequencing CRC Press, 18 May 2017
• Datta, Somnath, Nettleton, Dan (Eds.) : Statistical Analysis of Next Generation Sequencing Data Springer, Heidelberg, 2014

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Letzte Änderungen:

19.08.2021